很多企业开始关注 Meridian 是因为一个越来越具体的问题：广告预算花在多个渠道之后，到底哪些投入真正带来了增量贡献，下一轮预算又应该怎么分。
8 月 25 日，触脉咨询举办 Google Meridian 主题的线上实战访谈。本次活动由触脉咨询的咨询与分析负责人张默宇 Scarlett 担任主持人，同时邀请触脉咨询合伙人 / 副总裁宋天龙老师，围绕 Meridian 在企业营销衡量中的真实应用进行专题对谈。
本篇文章是本次活动的回顾。由于本次分享时间有限，很多关于模型细节、变量选择和企业应用路径的内容无法在直播中完全展开。希望系统了解 Meridian 建模逻辑和落地方法的读者，可以扫描下方二维码申请获取 《Google Meridian 营销衡量白皮书》 纸质版。
1、什么是 MMM？
在对谈一开始，宋天龙老师先从 MMM 的基本定位讲起。MMM（Marketing Mix Mode）也就是营销组合模型是一种用于分析不同营销活动如何在一段时间内推动业务结果变化的统计方法。
它更适合解决“分配”问题。
在日常营销分析中，企业更熟悉的是 MTA，也就是多触点归因。MTA 主要关注用户转化前经过了哪些线上触点，例如搜索、展示、社媒、邮件、再营销等，并尝试判断这些触点在一次转化中分别应该分到多少价值。
但 MTA 的分析范围主要围绕线上路径展开。当企业想要回答更长期、更宏观的问题时，MTA 会遇到边界。例如，某个视频广告只有曝光没有点击，是否仍然影响了后续搜索和购买；某次大促、季节性变化、竞品动作或品牌声量变化，是否也影响了最终销售；某些渠道的效果是否存在延迟转化和光环效应。这些问题很难只依赖单次触点路径解释。
MMM 的价值在于，它采用更广泛、更长周期的视角，把媒体投入、业务结果、季节性、促销、市场趋势、延迟效应等因素一起纳入分析，从而帮助企业判断不同营销活动对最终结果的长期贡献。
2、Meridian 适合解决管理层的预算决策问题
理解 MMM 之后，第二个问题是：Meridian 具体适合为企业解决什么？
在对谈中，宋天龙老师给出了一个很明确的定位：Meridian 的核心价值是支持预算决策，它不适合作为日常归因报表工具使用。
日常点击、转化、ROAS、广告系列表现，仍然应该由广告平台报表、GA4 或 MTA 等工具承担。这些工具反馈快，适合支持日常优化，例如判断某个广告系列近期表现、某条素材点击是否更好、某个渠道是否出现短期波动。
Meridian 关注的是更宏观的管理层问题。它更适合回答三个层面的业务问题。
第一，过去各营销渠道的增量贡献和投资回报率是多少。企业可以通过 Meridian 判断不同渠道在一段周期内分别带来了多少增量结果，而不是只看平台自身归因结果。
第二，现在各渠道的响应曲线和饱和度如何。某个渠道过去有效，不代表继续加预算仍然值得。Meridian 可以帮助企业判断继续增加预算时，边际回报是否仍然合理。
第三，未来下一周期预算应该如何分配。模型输出不仅用于复盘过去，也可以进一步支持预算优化，帮助企业判断下一轮资金应该向哪些渠道倾斜。
这也是 Meridian 和日常归因工具最核心的区别。它不解决“这一次转化到底来自哪一次点击”的路径问题，而是帮助企业从长期、跨渠道、预算组合的角度，判断钱花在哪里更有效。
3、Meridian 需要哪些数据？
当企业开始评估 Meridian 时，最容易跳到技术问题：模型怎么跑，结果怎么看。但在实际项目中，更基础的问题是数据是否能支撑模型识别规律。
Meridian 所需数据分为几类：
第一类是 KPI 数据，这是必须项。企业需要先明确模型要解释的业务结果是什么，例如收入、GMV、转化量、线索量、注册量或 App 下载量。对于收益类目标，销售额和 GMV 更接近财务视角，适合做跨渠道效率对比；对于非收益类目标，转化量、线索量、注册量等更偏增长视角，后续可以输出 CPIK，也就是单位增量成本。
第二类是付费媒体变量，也是必须项。包括搜索、视频、展示、社媒广告等不同渠道的花费、展现量、点击量等。这些变量是模型评估因果效应的核心基础。
第三类是自然媒体和非媒体变量。例如官号曝光、KOL 播放量、促销活动、价格调整等。这类变量不一定都有直接媒体成本，但可能对业务结果产生影响，如果不纳入模型，就可能把这些因素带来的变化误算给广告。
第四类是控制变量或混杂变量。包括季节性、节假日、市场趋势、Google 绝对搜索量、地区差异等。它们的作用是剔除外部噪音，避免把自然增长、行业旺季或市场需求变化误算成广告贡献。
在数据周期上，需要至少准备 2 年历史数据，以覆盖完整季节性周期和大促节点。粒度上，建议按“周 × 地理区域”组织数据，因为地理粒度可以帮助模型更好地区分不同市场的投放差异和结果差异，也是打破共线性的重要方式。
4、Meridian 会产出什么？
很多企业最关心的输出是“哪个渠道贡献最大”。但从对谈内容看，Meridian 的产出不只是一张渠道贡献表。
第一类是渠道贡献类结论，包括 Baseline、各渠道的增量结果和贡献率。Baseline 可以帮助企业理解，在不考虑特定营销投入影响时，业务本身可能达到的基础结果。各渠道增量结果则用于判断不同媒体投入实际带来了多少新增收入或新增转化。
第二类是效率指标，包括 ROI、mROI 和 CPIK。ROI 用于衡量投入与收益之间的关系；mROI 更关注继续增加预算时的边际回报；CPIK 则适合非收益类 KPI，例如线索、注册、下载等，帮助企业判断每获得一个增量结果需要付出多少成本。
第三类是曲线与趋势类结论，包括响应曲线、饱和度分析和滞后效应分析。这类输出非常适合预算讨论，因为它能帮助企业判断某个渠道是否已经接近饱和，继续加预算是否仍然有效，以及某些渠道的效果是否存在延迟释放。
第四类是决策建议，包括预算优化方案。Meridian 的价值最终要回到业务决策，不只是解释过去发生了什么，也要帮助企业判断下一阶段预算如何调整。
第五类是模型健康度类结果，包括可信度指标和不确定性范围。企业在使用 Meridian 结果时，不能只看单个数字，也需要理解模型结果的稳定性和可信边界。
5、企业要不要做 Meridian：关键看当前问题是不是长期预算分配
对很多企业来说，真正的问题不是“Meridian 好不好”，而是“现阶段是否适合做”。
宋天龙老师在对谈中强调，Meridian 不能简单理解为更高级的归因工具。MTA、增量实验和 MMM 回答的是不同问题，成熟企业应该把它们组合使用。
MTA 的优势在于微观路径分析，适合回答用户经过哪些触点、哪个广告语点击更高、哪个渠道在短期转化路径中发挥作用。它反馈快，适合战术级优化。
增量实验的优势在于验证因果关系。通过实验组和对照组，企业可以判断某个渠道、素材或策略是否真的带来了额外增长。它适合验证具体变量，而不是解释全部营销组合。
Meridian 所代表的 MMM 更适合战略级预算分配和长期 ROI 预测。它使用的是按周、按月、按地区、按渠道汇总后的宏观数据，分析范围也可以覆盖线上、线下、价格波动、市场趋势等更复杂的因素。
因此，企业是否要做 Meridian，可以先看三个判断。
第一，渠道是否足够多。如果企业目前只有一两个主要投放渠道，模型能识别出的增量信息有限，Meridian 未必是当前优先级最高的方案。
第二，数据周期是否足够。如果只有很短周期的数据，例如刚跑几天或几周的小规模 Campaign，Meridian 很难发挥作用。这类问题更适合用增量实验或因果推断类方法处理。
第三，当前问题是否已经上升到预算分配。如果企业正在做季度、半年或年度预算规划，需要判断不同渠道的长期贡献、边际回报和预算倾斜方向，Meridian 的价值会更明显。
对已经进入多渠道投放阶段的出海企业来说，Meridian 的意义在于建立一套更适合管理层讨论的营销衡量语言。它把问题从“哪个平台显示转化最多”，推进到“哪些投入真正带来了增量结果，下一阶段预算应该如何组合”。
6、数据条件不足时如何处理？
在对谈中，Scarlett 提到很多企业都会问同一个问题：既然 Meridian 通常需要较长周期的数据，如果当前数据条件不足，是不是应该先等等？
宋天龙老师的回答是要分情况看。如果企业只有几个月的数据，距离最低数据要求差距较大确实很难直接启动 Meridian。但如果企业已经有一部分历史数据，例如一年半左右的数据积累，距离两年周期只差一段时间，那么可以先做一个初步启动，跑一轮结果看看模型结论是否符合预期。这个过程更像一个“最小启动”的平衡空间，而不是非要等所有数据完全齐备。
更关键的是 Meridian 项目本身也可以反过来驱动数据治理。很多企业在推进数据项目时常常会遇到一个问题：业务部门很难单独说清楚“为什么要采集这些数据”。但当企业以 Meridian 这样的业务场景作为牵引，就能更清楚地看到哪些数据缺失会影响模型结果，再反推 IT 或工程团队补充采集、入库和治理动作。
宋天龙老师也提到，贝叶斯框架的优势之一，是可以在数据有限时给出相对合理的估计。这里的关键不在于让模型凭空判断，而是通过先验经验为模型设定更合理的前置条件，弥补部分数据不足带来的不确定性。
但这不意味着所有数据问题都可以被模型消化。如果企业完全没有跨渠道数据，只有一两个渠道的花费和结果；或者媒体、收入、转化数据严重缺失、重复、口径混乱；又或者连基本的 UTM 标记、渠道定义和转化口径都没有统一，这时更应该先补数据基础，再考虑 Meridian。对于数据周期极短、且无法拆分 Geo 的情况，也更适合先积累数据，或使用增量实验等替代方法。
7、Meridian 能否辅助分析社交媒体的贡献？
社交媒体是很多出海企业预算中的重要部分，但它也经常是最难说清贡献的部分。平台后台能看到曝光、互动、点击，但这些指标如何转化为对收入、转化或品牌需求的贡献，并不总是清楚。
在对谈中，宋天龙老师给出的处理思路是：不要笼统地问“社媒能不能算 ROI”，而要先区分社媒的具体类型。
第一类是付费社媒广告，例如 Meta Ads、TikTok In-Feed、YouTube 贴片等。这类投放有明确媒体成本，也受预算驱动，因此可以作为 Paid Media 进入 Meridian，进一步分析 ROI、mROI 和响应曲线。
第二类是官方账号自然传播，例如图文、短视频、互动帖等。这类内容通常没有直接媒体采购成本，因此不适合计算传统意义上的 ROI，也无法用于预算优化。但如果它有曝光、频次或互动数据，仍然可以作为 Organic Media 进入模型，用来分析对整体业务结果的绝对增量贡献。
第三类是 KOL 或红人营销。它的处理方式取决于合作模式。如果是 CPM 推流模式，或者按流量竞价结算，更接近付费媒体，可以进入 Paid Media；如果是坑位费加自然分发，后续主要依赖达人背书和平台算法扩散，更适合作为 Organic Media；如果只有上线时间，没有曝光数据，则更适合作为 Non-media Variable，用来评估阶段性、脉冲式的增量影响。
在数据选择上，对谈中提到优先使用展现量、有效 GRP、去重覆盖人数等更接近触达的指标。对于自然流量或达人内容，也可以构建复合互动指数，例如用 Views、Likes、Comments、Shares 等互动行为组合成一个可进入模型的指标。
也就是说 Meridian 并不是简单把社媒后台指标搬进去，而是先把社媒行为翻译成模型可以识别的变量类型。变量分错了，后续 ROI、贡献率和预算判断都会失真。
8、Meridian如何分析媒体对品牌声量的贡献？
很多企业投放上层漏斗媒体不只是为了当下转化，也希望推动品牌认知、品牌搜索和主动购买意愿。因此，另一个常见问题是：Meridian 能不能用来分析媒体对品牌声量的贡献？
宋天龙老师在对谈中提到这个问题有两种解法。
第一种，是把搜索趋势作为变量放入收入模型。这也是日常更推荐的使用方式。搜索趋势在模型中可能扮演两种角色：一种是控制变量，用来剔除大盘噪音；另一种是中介变量，用来承接品牌广告带来的间接贡献。
作为控制变量时，搜索趋势反映的是行业旺季、品类需求上升等外部变化。例如某个品类天然进入销售旺季，搜索量和销量同步上升，这类变化不应该全部算给广告。
作为中介变量时，搜索趋势承接的是品牌广告激发出来的主动搜索。例如用户看到 TVC、YouTube、红人内容或 PR 后，开始搜索品牌词并进一步完成转化。此时，搜索趋势反映的是品牌广告对后续转化路径的间接推动。
判断搜索趋势应该作为控制变量还是中介变量，可以看三个维度：它发生在广告之前，还是广告之中或之后；它是行业大盘词，还是品牌词；它服务的是收割型搜索广告，还是上游品牌广告。
第二种，是把品牌词搜索趋势本身作为 KPI。这更适合专项研究，也就是把品牌绝对搜索量作为模型因变量，评估哪些渠道真正拉动了用户的主动购买意愿。此时模型衡量的不是销售额，而是品牌主动意图的净增量，更适合评估 YouTube 品牌广告、PR 活动、红人营销等对品牌长效资产的贡献。
对谈中也特别提醒，做这类分析时应使用 Google Ads API 的绝对搜索量，也就是 GQV，而不是直接使用 Google Trends 的 0–100 相对指数。因为后者是相对指数，容易受到其他热点和不同区域尺度影响，不适合直接作为绝对量进入跨区域模型。
9、Meridian 工作原理
到了实操层面，很多企业会关心 Meridian 到底如何工作。这个问题不一定要从公式开始理解，更适合从营销场景出发。
在对谈中，宋天龙老师把 Meridian 的核心概括为：基于贝叶斯分层模型，估计不同处理变量对 KPI 的因果增量效应。换成业务语言，就是模型要尽量回答一个问题：如果没有这项投入，结果会少多少。
这要求模型区分“同时发生”和“由它造成”。有些变化看起来和广告同步出现，但背后可能来自季节、促销、市场趋势、竞品动作或自然需求。Meridian 需要把广告投入这类处理变量，与季节、趋势、GQV 等控制变量或混杂变量区分开来，避免把外部变化误算成广告贡献。
同时，广告效果往往不是当天完全发生的。用户可能先接触广告，过几天或几周后才产生搜索、访问或购买。Meridian 会通过 Adstock 滞后效应捕捉广告的长尾影响。
预算增加也不一定带来同比例增长。一个渠道在早期增加预算可能效果明显，但到达一定规模后，继续增加投入带来的边际回报会下降。Meridian 会通过 Hill 饱和函数识别这种边际收益递减，帮助企业判断渠道是否接近饱和。
此外，Geo-level 地理粒度也很重要。不同地区的投放差异和结果差异可以增加横向观测信息，帮助模型处理不同媒体之间同时投放带来的共线性问题。
贝叶斯先验则让企业已有经验、过往实验结果和行业基准进入模型。它不是让模型迎合主观判断，而是帮助模型在噪音数据中保持业务合理性，避免算出明显违背常识的结果。
10、如何理解 Meridian 的分析结论
Meridian 输出结果后企业最容易问的问题是：这个结果到底靠不靠谱？
宋天龙老师在对谈中提到首先需要调整理解心态。任何模型都不存在绝对正确的标准。Meridian 的结论更适合理解为在当前数据质量、资源、算法、配置和时间条件下得到的局部最优解。
模型给出的是数据层面的估计，后续还需要结合业务判断。比如某段时间模型显示某个渠道贡献变化明显，但业务团队知道同期发生了重大促销、库存变化或品牌活动，而这些变量没有被完整放入模型，那么就需要把这些业务信息补充回去，帮助模型进一步调整。
企业不应该把模型当成自动生成答案的黑箱。更合理的方式是让模型和使用人共同工作：模型告诉企业统计上的增量变化，业务团队补充这期间发生了什么，管理层再判断这些结果是否适合进入预算决策。
在看结果时也不应过度纠结某一个数字是否绝对准确。更值得关注的是趋势和相对差异，例如哪个渠道 mROI 更高，哪些渠道更接近饱和，预算应该往哪个方向调整。
验证结果时可以结合三类方式。第一是模型本身的诊断指标，例如 R²、Adjusted R²、MAPE、残差分析等。第二是利用媒体平台自带的 Lift 实验，验证模型输出的渠道贡献方向是否一致。第三是业务和管理层的直觉验证，如果模型结果和业务认知差异很大，就需要重新检查变量、先验和数据边界。
11、Meridian 项目如何执行？
从项目执行角度看 Meridian 可以拆成建模前、建模中和建模后三个阶段。
建模前往往最容易被低估。这个阶段的核心不是简单整理数据，而是明确分析边界：目标 KPI 是什么，哪些渠道进入模型，各渠道可用的媒体数据是什么，哪些非营销因素可能影响 KPI，哪些变化可以算作广告效果，哪些不能直接算作广告效果。
宋天龙老师在对谈中提到，有些渠道可能直接产生效果，有些渠道只是帮助完成“临门一脚”。因此，建模前需要不断结合业务经验判断变量之间的关系，而不是把所有数据放进去让模型自动解释。
建模中，重点是根据前面确定的信息设置模型，识别 Baseline 和控制变量的影响，考虑滞后效应、饱和效应、Geo-level 差异，并设置自定义先验。这个过程需要模型诊断和结果校验，不是跑一次就结束。
建模后，企业要看模型质量，也要看渠道贡献、ROI、mROI、响应曲线和预算优化报告。尤其是预算优化部分，经常需要反复调整。因为企业做预算不是单纯追求数学上的最优，还会有很多现实限制，例如某些渠道预算变化不能超过一定比例，某些渠道有固定费用，某些市场必须保留投入。
因此一个 Meridian 项目实际有两层反复：一层是建模过程本身需要不断调试，另一层是预算分配方案需要根据业务约束反复校准。模型终点不是一份报告，而是帮助企业判断哪些渠道过去带来了增量价值，哪些继续加预算仍有空间，哪些已经接近饱和。
12、落地 Meridian 项目需要什么团队配置？
Meridian 看起来是一个建模项目，但在企业内部它不能只交给数据团队。宋天龙老师在对谈中提到，项目通常需要三类角色参与。
第一类是业务团队，尤其是营销团队。业务团队需要提供业务背景，例如投放策略变化、促销节奏、地区经验和渠道认知，也需要把模型洞察转化为具体行动。营销数据不会自己解释自己，某个渠道花费下降，到底是因为预算被动削减，还是团队主动暂停低效投放，这类背景必须由业务团队补充。
第二类是数据科学家和技术团队。数据科学家负责理解模型、设置先验、诊断模型效果，并完成模型迭代和优化。这里不是单纯的 IT 自动化问题，因为建模需要知道为什么这样调参，以及不同调整可能带来什么影响。等模型已经跑通并验证稳定后，IT 团队可以参与，把模型和流程部署到企业内部资源中。
第三类是管理层。Meridian 的输出最终会影响预算调整，而预算调整不是小额操作。因此，总监或 C-level 角色需要参与决策过程，确认模型输出服务于哪类决策，并推动预算方案进入真实执行。
这也是为什么 Meridian 更像一个跨职能项目。它需要业务经验、统计建模、工程化部署和管理层决策共同参与，才能从模型输出走向业务结果。
13、Meridian 的长期价值是从报告变成决策资产
本次分享对谈的最后一个问题是：Meridian 是一次性项目还是长期能力？宋天龙老师提到，企业级落地 Meridian 可以分为三个阶段。
第一个阶段是单次洞察报告。企业可以先选择业务痛点最突出的场景切入，跑一个试点模型，产出可行动的报告，并给出一到两个可以落地的预算调整建议。这个阶段的目标，是用具体结论建立信任。
第二个阶段是常态化运行。企业需要把花费、KPI、控制变量等数据管道自动化，并让模型可以定期重训。报告解读也需要模板化，通过标准报告或仪表盘呈现，让 Meridian 结果成为预算会议的固定输入，而不是每次都依赖手动写报告。
第三个阶段是沉淀为决策资产。这个阶段不只是把模型跑通，而是把 Meridian 方法论融入企业现有的数据流程和 BI 体系中。企业可以进一步部署自助式预算规划工具，让业务团队在不同预算限制和渠道约束下模拟预算分配结果。
更重要的是，企业需要形成“数据、模型、决策、复盘、先验更新”的闭环。增量实验结果也可以持续回流，作为先验校准模型。这样 Meridian 就不只是一次咨询报告，而是逐步变成企业可复用的预算决策能力。点击视频详细了解：Meridian 如何长期应用？
从本次 Google Meridian 实战访谈来看，Meridian 的难点不只在建模本身，数据是否足够、社媒和品牌声量如何进入模型、结果如何验证、项目如何推进、团队如何协同，这些问题都会影响最终价值。
企业不需要等到所有数据都完美才开始思考 Meridian，但也不能忽视基础数据、渠道定义和转化口径。更现实的路径是从可启动的场景切入，用模型发现数据缺口，再逐步补齐治理、团队和决策流程。当 Meridian 从一次分析报告进入预算会议、渠道复盘和增长决策，它才真正开始发挥价值。
作为Google Meridian亚太地区认证合作伙伴，触脉咨询可基于 Google Meridian，结合企业现有的媒体、社媒、销售及业务数据，协助完成数据可用性评估、变量设计、模型搭建与调优，并进一步分析不同社媒动作的增量贡献及预算优化空间。
如果您正在重新评估 Meta、TikTok、YouTube、RED、KOL 等社媒渠道的真实业务价值，或希望建立更科学的营销衡量体系，欢迎联系触脉咨询，与我们进一步交流您的实际场景。
- 电话：400-080-5098
- 邮箱：info@truemetrics.cn
- 微信公众号：触脉咨询
- 微信客服：truemetrics_service，或直接扫描下方二维码添加客服
